移动机器人路径规划概述与人工势场法内容摘要：
，将待规划的路径看成是 n个点组成的点集，除初始点和目标点外其余 n2个点 {（ xi， yi ） } i=2,3,4…n 1都未知，共有 2(n2)个未知参数。 （ 2） 112 2 22 , 2 , 3 , 3 , 1 , 1 1 122m in ( . . . ) [ ( ) ( ) ]nnl n n i i i i iiiE f x y x y x y L x x y y 优化目标： 约束： （ xi， yi ）必须在障碍物外部。 采用惩罚函数法转化为 无约束优化问题进行处理： m i n lcE E w E(EC为惩罚项） （ 3） • 遗传算法具有全局寻优性能，对上述无约束优化问题可以得到全局最优解。 • 当然，其他的优化算法同样可以用于路径规划。 ，转化为优化问题。 3根据 E递减推导出相应的反向传播算法用于神经网络的训练 . 优势： 神经元可以并行计算 障碍物对机器人施加排斥力，目标点对机器人施加吸引力合力形成势。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。